دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
دانلود کتاب Time series analysis and its applications: with R examples
دانلود کتاب تجزیه و تحلیل سری های زمانی و کاربردهای آن: با مثال های R
مشخصات کتاب
Time series analysis and its applications: with R examples
ویرایش: 2nd updated ed نویسندگان: Shumway. Robert H., Stoffer. David S سری: Springer texts in statistics ISBN (شابک) : 9780387759593, 9780387362762 ناشر: Springer سال نشر: 2008 تعداد صفحات: 501 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 6 مگابایت
قیمت کتاب (تومان) : 45,000
کلمات کلیدی مربوط به کتاب تجزیه و تحلیل سری های زمانی و کاربردهای آن: با مثال های R: تجزیه و تحلیل سری های زمانی، سری های زمانی، Tijdreeksen، Toepassingen، تجزیه و تحلیل سری های زمانی، کتاب های الکترونیکی، سری های زمانی، تجزیه و تحلیل سری های زمانی
در صورت تبدیل فایل کتاب Time series analysis and its applications: with R examples به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب تجزیه و تحلیل سری های زمانی و کاربردهای آن: با مثال های R نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
توضیحاتی در مورد کتاب تجزیه و تحلیل سری های زمانی و کاربردهای آن: با مثال های R
تجزیه و تحلیل سری های زمانی و کاربردهای آن، ویرایش دوم، یک درمان متعادل و جامع از هر دو روش حوزه زمان و فرکانس با نظریه همراه ارائه می دهد. مثال‌های متعددی که از داده‌های غیر پیش پا افتاده استفاده می‌کنند، راه‌حل‌هایی را برای مشکلاتی مانند ارزیابی آزمایش‌های درک درد با استفاده از تصویربرداری تشدید مغناطیسی، نظارت بر معاهده ممنوعیت آزمایش هسته‌ای، ارزیابی نوسانات یک دارایی، یا یافتن یک ژن در یک توالی DNA نشان می‌دهند. این کتاب طوری طراحی شده است که به عنوان متنی برای دانشجویان مقطع کارشناسی ارشد در رشته های فیزیکی، زیستی و علوم اجتماعی و به عنوان متن مقطع کارشناسی ارشد در آمار مفید باشد. برخی از بخش ها نیز ممکن است به عنوان یک دوره مقدماتی در مقطع کارشناسی خدمت کنند. مطالب نسخه اول متن با افزودن نمونه ها و کدهای مرتبط بر اساس بسته آماری نرم افزار رایگان R به روز شده است. مانند نسخه اول، پیشرفت‌های مدرن شامل تحلیل سری‌های زمانی طبقه‌ای و پوشش طیفی، روش‌های طیفی چند متغیره، سری‌های حافظه بلند، مدل‌های غیرخطی، تحلیل داده‌های طولی، تکنیک‌های نمونه‌گیری مجدد، مدل‌های GARCH، مدل‌های نوسانات تصادفی، موجک‌ها، و زنجیره مارکوف مونت کارلو روش های یکپارچه سازی در متن گنجانده شده است. در این نسخه، مطالب به فصل های کوچکتر تقسیم شده است و پوشش سری های زمانی مالی، از جمله مدل های GARCH و نوسانات تصادفی، گسترش یافته است. این موضوعات به پوشش کلاسیک رگرسیون سری زمانی، مدل‌های ARIMA تک متغیره و چند متغیره، تحلیل طیفی و مدل‌های فضای حالت اضافه می‌کنند. R.H. Shumway استاد آمار در دانشگاه کالیفرنیا، دیویس است. او عضو انجمن آمار آمریکا و عضو موسسه بین المللی آمار است. او برنده جایزه انجمن آماری آمریکا در سال 1986 برای کاربردهای آماری برجسته و جایزه مرکز بیماری های واگیر در سال 1992 شد. هر دو جایزه برای مقالات مشترک در برنامه های سری زمانی بود. او نویسنده یک متن قبلی Prentice-Hall در سال 1988 در مورد تحلیل سری های زمانی کاربردی است. D.S. Stoffer استاد آمار در دانشگاه پیتسبورگ است. او سهم مهمی در تحلیل سری‌های زمانی طبقه‌بندی کرده است و در سال 1989 جایزه انجمن آماری آمریکا را برای کاربرد آماری برجسته در مقاله مشترکی که در آن سری‌های زمانی طبقه‌ای ناشی از دوچرخه‌سواری وضعیت خواب نوزادان را تحلیل می‌کند، به دست آورد. او در حال حاضر سردبیر دپارتمان مجله پیش بینی و سردبیر سالنامه موسسه ریاضیات آماری است. ویژگی های سری های زمانی -- رگرسیون سری های زمانی و تجزیه و تحلیل داده های اکتشافی -- مدل های ARIMA -- تجزیه و تحلیل طیفی و فیلتر -- موضوعات حوزه زمان اضافی -- مدل های فضای حالت -- روش های آماری در حوزه فرکانس -- پیوست A : نظریه نمونه بزرگ -- پیوست B : نظریه حوزه زمان -- پیوست C : نظریه دامنه طیفی.
توضیحاتی درمورد کتاب به خارجی
Time Series Analysis and Its Applications, Second Edition, presents a balanced and comprehensive treatment of both time and frequency domain methods with accompanying theory. Numerous examples using non-trivial data illustrate solutions to problems such as evaluating pain perception experiments using magnetic resonance imaging, monitoring a nuclear test ban treaty, evaluating the volatility of an asset, or finding a gene in a DNA sequence. The book is designed to be useful as a text for graduate level students in the physical, biological and social sciences and as a graduate level text in statistics. Some parts may also serve as an undergraduate introductory course. Material from the first edition of the text has been updated by adding examples and associated code based on the freeware R statistical package. As in the first edition, modern developments involving categorical time series analysis and the spectral envelope, multivariate spectral methods, long memory series, nonlinear models, longitudinal data analysis, resampling techniques, GARCH models, stochastic volatility models, wavelets, and Monte Carlo Markov chain integration methods are incorporated in the text. In this edition, the material has been divided into smaller chapters, and the coverage of financial time series, including GARCH and stochastic volatility models, has been expanded. These topics add to a classical coverage of time series regression, univariate and multivariate ARIMA models, spectral analysis and state-space models. R.H. Shumway is Professor of Statistics at the University of California, Davis. He is a Fellow of the American Statistical Association and a member of the International Statistical Institute. He won the 1986 American Statistical Association Award for Outstanding Statistical Application and the 1992 Communicable Diseases Center Statistics Award; both awards were for joint papers on time series applications. He is the author of a previous 1988 Prentice-Hall text on applied time series analysis. D.S. Stoffer is Professor of Statistics at the University of Pittsburgh. He has made seminal contributions to the analysis of categorical time series and won the 1989 American Statistical Association Award for Outstanding Statistical Application in a joint paper analyzing categorical time series arising in infant sleep-state cycling. He is currently a Departmental Editor for the Journal of Forecasting and Associate Editor of the Annals of the Institute of Statistical Mathematics.;Characteristics of time series -- Time series regression and exploratory data analysis -- ARIMA models -- Spectral analysis and filtering -- Additional time domain topics -- State-space models -- Statistical methods in the frequency domain -- Appendix A : Large sample theory -- Appendix B : Time domain theory -- Appendix C : spectral domain theory.
فهرست مطالب
Cover......Page 1
Statistics Texts in Statistics......Page 2
Springer Texts in Statistics......Page 3
Time Series Analysis: With Applications in R, Second Edition......Page 4
Contents......Page 9
1 Introduction......Page 14
2 Fundamental Concepts......Page 24
3 Trends......Page 40
4 Models For Stationary Time Series......Page 68
5 Models For Nonstationary Time Series......Page 99
6 Model Specification......Page 120
7 Parameter Estimation......Page 159
8 Model Diagnostics......Page 185
9 Forecasting......Page 201
10 Seasonal Models......Page 237
11 Time Series Regression Models......Page 259
12 Time Series Models Of Heteroscedasticity......Page 287
13 Introduction To Spectral Analysis......Page 329
14 Estimating The Spectrum......Page 361
15 Threshold Models......Page 393
Appendix: An Introduction to R......Page 433
Dataset Information......Page 481
Bibliography......Page 486
Index......Page 496
